Análisis de la Calidad de Imagen: Función de Transferencia de Modulación (MTF)
PAIM - Ingeneiería Biomédica
1. Introducción
En el procesamiento de imágenes médicas, evaluar la calidad de imagen es fundamental para garantizar diagnósticos confiables. Uno de los indicadores más importantes de calidad espacial es la Función de Transferencia de Modulación (MTF, Modulation Transfer Function).
La MTF describe qué tan bien un sistema de adquisición de imágenes reproduce los detalles espaciales del objeto original, en función de la frecuencia espacial.
Este tutorial está dirigido a estudiantes universitarios de ingeniería biomédica, física médica o procesamiento de imágenes, y tiene como objetivo:
- Comprender qué es la MTF
- Entender su fundamento físico y matemático
- Aprender cómo se calcula en la práctica
- Relacionar la MTF con imágenes médicas reales (RX, CT, RM, US)
2. ¿Por qué es importante la MTF en imágenes médicas?
Un sistema de imagen médica nunca es perfecto. Siempre introduce:
- Desenfoque
- Difusión
- Pérdida de contraste en detalles finos
La MTF permite responder preguntas clave como:
- ¿Cuál es la resolución real del sistema?
- ¿Hasta qué tamaño de detalle el sistema es confiable?
- ¿Cómo comparar dos equipos de imagen?
Ejemplos de aplicación:
- Control de calidad en tomografía computarizada (CT)
- Evaluación de detectores digitales de rayos X
- Comparación de protocolos de reconstrucción
- Diseño y validación de sistemas de imagen
3. Concepto de frecuencia espacial
Antes de definir la MTF, es esencial entender la frecuencia espacial.
3.1 Frecuencia espacial
La frecuencia espacial describe qué tan rápido cambian las intensidades en el espacio.
- Baja frecuencia → regiones suaves y homogéneas
- Alta frecuencia → bordes, detalles finos, ruido
Se mide típicamente en:
- ciclos/mm
- pares de líneas/mm
Un borde ideal contiene todas las frecuencias espaciales.
4. Sistema de imagen como sistema lineal
En primera aproximación, muchos sistemas de imagen médica pueden modelarse como:
- Lineales
- Invariantes en el espacio
Esto permite usar herramientas de teoría de sistemas.
Un sistema de imagen puede describirse como:
\[ g(x,y) = f(x,y) * h(x,y) \]
donde:
- \(f(x,y)\)es el objeto
- \(h(x,y)\)es la Función de Respuesta al Impulso (PSF)
- $* $es la convolución
- \(g(x,y)\)es la imagen adquirida
5. De la PSF a la MTF
5.1 Función de Respuesta al Impulso (PSF)
La PSF (Point Spread Function) describe cómo el sistema reproduce un punto ideal.
Un punto perfecto se convierte en una mancha borrosa debido a:
- Difracción
- Dispersión
- Limitaciones del detector
5.2 Función de Transferencia Óptica (OTF)
La OTF se define como la transformada de Fourier de la PSF:
\[ OTF(u,v) = \mathcal{F}\{PSF(x,y)\} \]
La OTF es compleja y tiene:
- Parte real
- Parte imaginaria
5.3 Definición de la MTF
La MTF es el módulo de la OTF normalizado:
\[ MTF(u,v) = \frac{|OTF(u,v)|}{|OTF(0,0)|} \]
Propiedades importantes:
- \(MTF(0) = 1\)
- \(0 \le MTF \le 1\)
- Disminuye al aumentar la frecuencia espacial
6. Interpretación física de la MTF
La MTF indica cuánto contraste se conserva para cada frecuencia espacial.
Ejemplo conceptual:
- MTF = 1 → contraste perfectamente conservado
- MTF = 0.5 → contraste reducido a la mitad
- MTF ≈ 0 → detalle no detectable
La frecuencia de corte suele definirse cuando:
- MTF = 0.1
- MTF = 0.05
7. Métodos prácticos para calcular la MTF
En la práctica, no se mide directamente la PSF ideal. Se usan métodos indirectos:
- Método del punto
- Método del borde (ESF)
- Método de la línea (LSF)
En imágenes médicas, el método del borde es el más utilizado.
8. Método del borde (Edge Method)
8.1 Función de Borde (ESF)
Se adquiere una imagen de un borde de alto contraste (por ejemplo, aire–metal).
La Edge Spread Function (ESF) es el perfil de intensidad perpendicular al borde.
8.2 De ESF a LSF
La Line Spread Function (LSF) se obtiene derivando la ESF:
\[ LSF(x) = \frac{d}{dx} ESF(x) \]
La LSF describe cómo el sistema reproduce una línea infinitamente delgada.
8.3 De LSF a MTF
La MTF se calcula como:
\[ MTF(f) = \frac{|\mathcal{F}\{LSF(x)\}|}{\max(|\mathcal{F}\{LSF(x)\}|)} \]
9. Algoritmo paso a paso para calcular la MTF
Paso 1: Adquisición de imagen
- Imagen de un borde recto y bien definido
- Alto contraste
- Buena relación señal–ruido
Paso 2: Selección de ROI
- Región pequeña alrededor del borde
- Borde aproximadamente vertical u horizontal
Paso 3: Cálculo de la ESF
- Promediar perfiles perpendiculares al borde
Paso 4: Suavizado (opcional)
- Filtro de Savitzky–Golay o gaussiano
Paso 5: Derivada → LSF
- Derivada numérica de la ESF
Paso 6: Transformada de Fourier
- FFT de la LSF
Paso 7: Normalización
- Dividir por el valor en frecuencia cero
10. Ejemplo de pseudocódigo (conceptual)
11. Interpretación de la curva MTF
Una curva MTF típica:
- Comienza en 1
- Decae suavemente
- Cruza valores de referencia (0.5, 0.1)
Comparaciones útiles:
- Dos sistemas → mayor MTF = mejor resolución
- Un sistema, distintos protocolos → impacto del procesamiento
12. MTF en distintas modalidades médicas
Radiografía digital
- Dominada por el detector
- Influencia del tamaño de píxel
Tomografía computarizada (CT)
- Dependiente del kernel de reconstrucción
- Trade-off resolución vs ruido
Resonancia magnética (RM)
- Limitada por muestreo en k-space
- Apodización y filtrado
Ultrasonido
- Dependiente del ancho de banda del transductor
- Focalización y profundidad
13. Limitaciones de la MTF
- No describe el ruido
- No incluye artefactos
- Es una medida promedio
Por eso, suele complementarse con:
- NPS (Noise Power Spectrum)
- DQE (Detective Quantum Efficiency)
14. Resumen final
- La MTF cuantifica la resolución espacial
- Se basa en la transformada de Fourier
- El método del borde es el más usado en imágenes médicas
- Es una herramienta clave en control de calidad y comparación de sistemas
15. Lecturas recomendadas
- Bushberg et al., The Essential Physics of Medical Imaging
- IEC 62220-1 (detectores digitales)
- Samei & Flynn, Medical Imaging Systems
16. Procedimiento
- Toma la imagen
- Recorta y convierte en dos imágenes una con alto contraste y otra con bajo contraste.
- Calcula la MTF de cada imagen
- Compara las MTF de las dos imágenes
17. Cierre
Entender la MTF no solo es aprender una curva matemática, sino comprender cómo un sistema de imagen transforma la realidad física en información diagnóstica.
Este conocimiento es esencial para todo profesional que trabaje con imágenes médicas.